本节书摘来自异步社区出版社《图数据库（第2版）》一书中的第1章，第1.1节，作者：【美】Ian Robinson（伊恩•罗宾逊） , Jim Webber（吉姆•韦伯） , Emil Eifrem（埃米尔•艾弗雷姆），更多章节内容可以访问云栖社区“异步社区”公众号查看。
1.1 图是什么
形式上，图不过是顶点和边的集合，或者说更简单一点儿，图就是一些节点和关联这些节点的联系的集合。图将实体表现为节点，实体与其他实体连接的方式表现为联系。我们可以用这个通用而富有表现力的结构来为各种场景建模，从宇宙火箭的建造到道路系统，从食物的供应链及原产地追踪到人们的病历，甚至更多。
无处不在的图
在我们了解科学、政府和商业领域的数据集广泛多样性的过程中，图起到了极大的作用。现实世界完全不同于关系型数据库背后的基于表的模型，它是丰富的且相互之间充满关联：有些部分是统一而规则的，而其他部分是特殊的、不规则的。一旦理解了图，你就会发现图无处不在。比如，Gartner定义了商业世界的5个图——社交、意向、消费、兴趣和移动，并指出运用这些图的能力是一个“可持续的竞争优势”。
就拿Twitter来说，它的数据很容易表示为一张图。在图1-1中，我们可以看到由Twitter用户组成的一个小型社交网络。每个节点都被标为User，表明了他在这个网络中的角色。然后这些节点又用联系连接起来，帮助更好地建立语义上下文。也就是说，Billy关注了（FOLLOWS）Harry，相应地，Harry也关注了Billy。Ruth和Harry也是互相关注的，不过，尽管Ruth关注了Billy，但Billy还没有关注她。
带标签的属性图模型
在讨论图1-2的过程中，我们也顺便提一下现在最流行的图模型形式—带标签的属性图（labeled property graph）（在附录A中，我们会更详细地讨论其他几种图数据模型）。带标签的属性图具有如下特征。
它包含节点和联系。
节点上有属性（键值对）。
节点可以有一个或多个标签。
联系有名字和方向，并总是有一个开始节点和一个结束节点。
联系也可以有属性。
对于大部分人来说，属性图模型是直观且容易理解的。不过简单归简单，它却可以描述绝大部分图的使用场景，并对我们的数据产生有价值的见解。
当然，实际的Twitter图比图1-1要大数亿倍，但它们的工作原理是一样的。在图1-2中，我们把Ruth发布的消息也包含到图里面来。
尽管图很简单，但图1-2还是展示出了图模型的表现力。我们可以很容易从图中看出Ruth发布了一连串的消息。通过标记为CURRENT的联系可以找到她最新发布的消息，PREVIOUS联系建立了Ruth的消息时间线。
